跳到正文
arXiv · ML· Doyoung Kim, Byeongguk Jeon, Kailin Zhang, Sherry Yang·· 7 天前AI 评分37

经验交接强化学习实现递归自我改进

Experience-Handoff Reinforcement Learning for Recursive Self-Improvement

AI 导读

提出ACERL方法,在固定Agentic Context Engineering框架内通过强化学习共优化工具生成、反思与剧本策划行为,利用环境信息交接经验。 ACERL评估交接产物的下游影响,在智能体基准测试中取得优于基线方法的保留集表现。 结果表明智能体训练应优化未来推理所继承的模型生成经验。

来源:arXiv · ML · arxiv.org